MATHEUS MENEZES SANTANA - UnB

Universidade de Brasília – UnB

Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas

Departamento de Administração

MATHEUS MENEZES SANTANA

DEFINIÇÃO DE RATINGS PARA EMPRESAS DO SETOR DE

CONSTRUÇÃO CIVIL BRASILEIRO:

Uma aplicação de análise discriminante para análise de

risco financeiro

Brasília – DF

2016





risco financeiro

Trabalho de Conclusão de Curso apresentado ao Departamento de Administração como requisito parcial à obtenção do título de Bacharel em Administração. Professor Orientador: Doutor Cecílio Elias Daher

Brasília - DF

2016

ii





risco financeiro

A Comissão Examinadora, abaixo identificada, aprova o Trabalho de

Conclusão do Curso de Administração da Universidade de Brasília do

aluno

Matheus Menezes Santana

Doutor, Cecílio Elias Daher

Professor-Orientador

Doutor, José Marilson Dantas, Doutor, Carlos Rosano Peña,

Professor Examinador Professor-Examinador

Brasília, 02 de dezembro de 2016.

RESUMO

Visando avaliar a capacidade da análise discriminante ser aplicada como ferramenta para definição de ratings, aplicamos o modelo Z” de Altman (2000) às empresas do setor de construção civil brasileiro, que atuam como construtoras, no anos de 2012 e 2015. A escolha do setor derivou da forte crise vivida pelo mesmo, desta forma buscamos avaliar se a aplicação do modelo Z” de Altman, seria capaz de diagnosticar o risco do setor. Adicionalmente, aplicamos o modelo CAPM - Capital Asset Pricing Model, nas premissas definidas por Assaf Neto, Lima e Araújo (2008) às empresas selecionadas, utilizando como referências os dados financeiros das mesmas, no período de 2012 e 2015, para avaliar a congruência dos retornos exigidos calculados através do modelo CAPM, com os ratings atribuídos através do modelo Z”. Foi possível ratificar a capacidade do modelo Z” para realizar diagnósticos de riscos e atribuições corretas de ratings às empresas brasileiras. Os ratings obtidos pelo modelo Z”, tanto em 2012 quanto em 2015, demonstram de maneira quantitativa o alto risco do setor, que obteve rating médio CCC, indicando proximidade de inadimplência, risco este que já é de conhecimento dos analistas de investimentos derivados da crise econômica que vem atingindo o país. Este fato é exposto ao se verificar que dentre os dezesseis ratings atribuídos, para dois períodos diferentes, nenhum apresentou qualidade alta. A aplicação realizada do modelo também demonstrou que o mesmo é capaz de detectar e refletir mudanças ocorridas no mercado, ao comparar os ratings atribuídos no início da crise, com ratings das mesmas empresas, no decorrer desta crise. Aonde apenas 37,5% das empresas analisadas obtiveram melhora no seu rating, quando as demais obtiveram piora de rating, ou manutenção de ratings de qualidade baixa ou média-baixa. Foi ainda possível verificar através de análise de informações qualitativas não financeiras e análises individuais dos componentes do modelo Z”, que as melhoras de rating ocorridas, mesmo no decorrer da crise, possuíam, de fato, base em resultados e mudanças da estrutura de capital das empresas em questão. Também verificamos uma limitação da utilização do modelo, como ferramenta isolada, para tomada de decisão quanto ao investimento ou não em empresas. Ao relacionar os ratings atribuídos através do modelo Z” com os retornos de mercado, calculados através do modelo Capital Asset Pricing Model, exigidos para as empresas selecionadas em amostra, verificamos que não existe relação direta entre os mesmos. Os resultados demonstraram a limitação da análise discriminante, através do modelo Z”, que se restringe a utilização de indicadores contábeis, quando o mercado utiliza além dos indicadores financeiros contábeis, diversos fatores qualitativos e outros indicadores financeiros que são externos à empresa analisada, também foi possível verificar para as empresas que foram objeto do estudo, uma preponderância de influência dos resultados no valor acionário das empresas, enquanto o modelo Z”, como ferramenta de análise de risco analisa a estrutura de capital da empresa, e não somente seu histórico de lucros.

Palavras-chave: Análise discriminante. Definição de ratings. Construção civil.

LISTA DE GRÁFICOS

Gráfico 1 – Desempenho GFSA3 (jun. 2010 – jun. 2016).................................. 31

Gráfico 2 – Desempenho CYRE3 (jun. 2010 – jun. 2016).................................. 31

Gráfico 3 – Desempenho MRVE3 (jun. 2010 – jun. 2016).................................. 32

Gráfico 4 – Desempenho EVEN3 (jun. 2010 – jun. 2016).................................. 32

Gráfico 5 – Desempenho DIRR3 (jun. 2010 – jun. 2016)................................... 33

Gráfico 6 – Desempenho AZEV4 (jun. 2010 – jun. 2016)................................... 33

Gráfico 7 – Desempenho MEND5 (jun. 2010 – jun. 2016)................................. 34

Gráfico 8 – Desempenho TCNO3 (jun. 2010 – jun. 2016).................................. 34

LISTA DE TABELAS

Tabela 1 – Relação de Z-score por rating.......................................................... 22

Tabela 2 – Indicadores financeiros.................................................................... 36

Tabela 3 – Beta por empresa e período............................................................. 36

Tabela 4 – Retorno exigido de mercado............................................................ 38

Tabela 5 – Resultado da variável X1 – Ativo circulante – passivo circulante/ativo total..........................................................................

39

Tabela 6 – Resultado da variável X2 – Lucros acumulados/ativo total.............. 40

Tabela 7 – Resultado da variável X3 – Lucros antes de juros e imposto de renda/ativo total................................................................................

41

Tabela 8 – Resultado da variável X4 – Patrimônio líquido/exigível total............ 41

Tabela 9 – Z-score e rating atribuído – ano 2012.............................................. 42

Tabela 10 – Z-score e rating atribuído – ano 2015.............................................. 43

LISTA DE QUADROS

Quadro 1 – Escala de rating das agências globais............................................. 19

Quadro 2 – Empresas selecionadas em amostra................................................

30

Quadro 3 – Variação dos ratings atribuídos – período 2012-2015..................... 44

Quadro 4 – Relação dos ratings atribuídos com os retornos de mercado exigidos – ano 2012.........................................................................

44

Quadro 5 – Relação dos ratings atribuídos com os retornos de mercado exigidos – ano 2015.........................................................................

45

LISTA DE ABREVIATURAS E SIGLAS

BM&FBOVESPA - Bolsa de Valores de São Paulo

CAPM - Capital Asset Pricing Model

CVM - Comissão de Valores Mobiliários

EUA - Estados Unidos da América

FACE - Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas

LAJIR - Lucro Antes de Juros e Imposto de Renda

PIB - Produto Interno Bruto

UnB - Universidade de Brasília

SUMÁRIO

1 INTRODUÇÃO ..................................................................................................... 9

1.1 CONTEXTUALIZAÇÃO ....................................................................................... 10

1.2 FORMULAÇÃO DO PROBLEMA ........................................................................... 11

1.3 OBJETIVO GERAL ............................................................................................ 11

1.4 OBJETIVOS ESPECÍFICOS ................................................................................. 11

1.5 JUSTIFICATIVA ................................................................................................ 12

1.5.1 Justificativa teórica ................................................................................ 12

1.5.2 Justificativa prática ................................................................................ 13

2 REFERENCIAL TEÓRICO ................................................................................. 14

2.1 ANÁLISE DISCRIMINANTE .................................................................................. 14

2.2 O MODELO Z E OS RATINGS DE CRÉDITO ........................................................... 19

2.3 O MODELO Z COMO FERRAMENTA PARA ATRIBUIÇÃO DE RATINGS NO BRASIL ....... 23

2.4 O CONTEXTO DA CONSTRUÇÃO CIVIL NO BRASIL E A DIFICULDADE PARA ANÁLISES

NO MERCADO ............................................................................................................... 24

2.5 O MODELO CAPITAL ASSET PRICING MODEL ..................................................... 26

3 MÉTODOS E TÉCNICAS DE PESQUISA ......................................................... 30

3.1 TIPO E DESCRIÇÃO GERAL DA PESQUISA ........................................................... 30

3.2 POPULAÇÃO E AMOSTRA .................................................................................. 31

3.3 PROCEDIMENTOS DE COLETA E DE ANÁLISE DE DADOS ....................................... 36

4 RESULTADOS E DISCUSSÕES ....................................................................... 40

4.1 RESULTADOS OBTIDOS .................................................................................... 40

4.2 O MODELO Z PARA DEFINIÇÃO DE RATINGS DE CRÉDITO ..................................... 47

4.3 O MODELO Z COMO INSTRUMENTO PARA ANÁLISE DE INVESTIMENTOS NO MERCADO

BRASILEIRO ................................................................................................................. 51

5 CONCLUSÕES E RECOMENDAÇÕES ............................................................ 53

REFERÊNCIAS ......................................................................................................... 55

9

1 INTRODUÇÃO

Conforme descrito por Teixeira e Carvalho (2005), a escassez de recursos

financeiros disponíveis na economia brasileira, faz com seja necessário a realização

de investimentos eficientes, em setores estratégicos, como o da construção civil, que

tem ligação direta com o desenvolvimento da infraestrutura do país, e que impacta

diretamente toda a indústria nacional, alimentando uma extensa cadeia de

fornecedores e prestadores de serviço.

“As decisões de investimento são atraentes quando a taxa de retorno

exigida pelos proprietários de capital exceder o retorno esperado da alternativa de

investimento.” (ASSAF NETO; LIMA, 2009, p. 6), ou seja, o investimento eficiente é

aquele que consegue maior rentabilidade dentre as opções que possui o investidor.

Portanto, para o investidor comum, o investimento eficiente no mercado de

construção civil seria aquele realizado na empresa que lhe apresentou retorno mais

alto.

Entretanto, os investimentos são pautados pela lógica risco-retorno, e

cabe ao investidor analisar se ele está disposto a assumir o risco apresentado para

determinada empresa. O investidor busca atingir o máximo retorno, evitando o pior

cenário possível, aonde ocorre a materialização do risco de crédito, definido por

Chaia (2003) como a “perda financeira inesperada que deriva de falha na avaliação

de capacidade de pagamento do agente que contrai recursos.”

Para o mercado da construção civil brasileiro, esta análise não tem sido

simples para os investidores. O setor foi um dos mais afetados pela crise econômica

vivida pelo país e teve suas maiores empresas abaladas por investigações policiais

ligadas à corrupção. No primeiro trimestre de 2015, houve queda de 98% do lucro de

empresas do setor, conforme apurado por Amorim (2015).

Dentre as variadas técnicas para análise de risco das empresas, está a

análise discriminante, definida por Mantovanini (1990, p. 00), como “um conjunto de

[Grab your reader’s attention with

a great quote from the document

or use this space to emphasize a

key point. To place this text box

anywhere on the page, just drag

it.]

10

técnicas estatísticas que busca classificar diferentes elementos em grupos

agregados, previamente definidos”.

Ou seja, a análise discriminante, quando utilizada para análise financeira

de companhias, busca identificar a correlação de variáveis aleatórias e, a partir

destas correlações, classificar empresas em grupos segundo sua capacidade de

pagamento, para que, com base nos resultados da análise, o investidor possa

decidir pela aplicação, ou não, de recursos em determinada empresa.

Entretanto, financistas apresentam limitações referentes à análise

discriminante que poderiam comprometer sua eficácia como ferramenta de análise

financeira. Limitações estas descritas por Assaf Neto e Silva (2012), como o fato de

se basear em informações passadas, a generalização de resultados e a

possibilidade de agir como fator restritivo excludente para geração de lucro para

pessoas físicas e jurídicas, gerando, desta maneira, dúvida relativa à eficácia de sua

utilização como método para análise financeira de empresas e ferramenta para

tomada de decisão em investir em determinada empresa.

1.1 Contextualização

A economia brasileira vem atravessando uma profunda crise, que deve

resultar na pior recessão de sua história ao final do ano de 2016, conforme

apresentado por Patu e Cucolo (2016), tornando a disponibilidade de recursos

financeiros relevantemente escassa.

No centro da crise está o setor de construção civil brasileiro, severamente

afetado pela crise, e com resultados agravados pelo envolvimento das maiores

construtoras do país em casos de corrupção. Tornou-se, por tanto, questão

desafiadora aos investidores avaliar os riscos associados a empresas do setor que é

estratégico para o país.

11

1.2 Formulação do problema

Dado o contexto apresentado, a pergunta que se buscou responder é:

Seria a análise discriminante uma ferramenta capaz de fornecer dados confiáveis

para análise econômico financeira das empresas do setor de construção civil,

conseguindo estabelecer um parâmetro de risco vinculado a cada uma delas?

A análise discriminante, difundida como ferramenta de análise financeira

por Altman (1968), através de seu modelo Z, tomou notoriedade pelo alto índice de

eficácia quando aplicada com o objetivo de previsão de falência, ou continuidade de

empresas, mas ainda possui poucas aplicações para outras análises financeiras. O

problema deste estudo consiste na validação do uso de análise discriminante, como

ferramenta para estabelecimento de ratings de risco, utilizando como base empresas

do setor de construção civil, no Brasil, com ações negociadas na Bolsa de Valores

de São Paulo (BM&FBOVESPA).

1.3 Objetivo geral

O propósito deste estudo é analisar a capacidade do modelo Z de Altman

de analisar o risco de empresas do ramo de construção civil, no Brasil, testando a

aplicação do modelo com indicadores de diferentes períodos de tempo e verificando

se o retorno de mercado exigido para as empresas foi condizente com os

indicadores apresentados, de modo a validar a aplicação do modelo para análise de

riscos financeiros.

1.4 Objetivos específicos

Para o alcance do objetivo geral, será necessário o alcance dos seguintes

objetivos específicos:

12

1) Coletar e organizar os balanços financeiros e histórico de cotações de

empresas de construção civil com ações na BM&FBOVESPA;

2) Aplicar o modelo Z-score às empresas selecionadas;

3) Atribuir rating, com base nos Z-scores calculados, a cada uma das empresas;

4) Identificar a relação existente entre os ratings atribuídos e os retornos

exigidos para as empresas, utilizando a metodologia Capital Asset Pricing

Model (CAPM); e

5) Analisar se a utilização do modelo Z para atribuição de risco às empresas é

condizente com as condições de mercado.

1.5 Justificativa

1.5.1 Justificativa teórica

É possível encontrar na literatura variados modelos para análise de risco

de empresas. Conforme apresentado por Duarte e Lamounier (2007), as análises

das demonstrações financeiras das empresas são realizadas mediante a

apresentação de índices e é justamente na definição da técnica para o

estabelecimento destes índices que paira um dos maiores desafios da administração

financeira.

As técnicas estatísticas consistem na coleta de dados brutos que por si só

não dão as informações interpretativas necessárias e, portanto, passam por

processamento modelado que fornece as informações em formato aplicável às

análises cabíveis. A análise discriminante, conforme relatado por Assaf Neto e Silva

(2012), permite de maneira classificatória excludente segregar agentes financeiros

com menor risco financeiro de agentes com níveis de riscos mais altos.

Entretanto, como apresentado em Assaf Neto e Silva (2012), o risco

operacional, de alta relevância para análises econômico-financeiras, está associado

diretamente a aspectos qualitativos da atividade fim da empresa e seus processos

13

produtivos. Desta maneira, ainda há na literatura restrições quanto à aplicação da

análise discriminante, como, por exemplo, seu aspecto estatístico determinista,

retratado por Assaf Neto e Lima (2009) como o fato de se ter que qualificar um

determinado agente dentro do grupo “A” ou “B”, segundo uma faixa de valor ampla,

ou seja, itens com pontuação de 4 e 4.9 podem ser classificados no mesmo grupo,

enquanto um terceiro analisado que obteve pontuação de 3.9, apenas 0.1 inferior à

4, está classificado em um grupo diferente. Isto ocorre devido as “faixas

deterministas” utilizadas pela análise discriminante.

Este estudo aplica a análise discriminante, como método para

estabelecimento de ratings, em empresas de construção civil, visando avaliar

através da sequência histórica, comparada ao retorno exigido pelos investidores, se

o modelo discriminante aplicado foi de fato efetivo, para análise do risco financeiro

das respectivas empresas.

1.5.2 Justificativa prática

O mercado da construção civil no Brasil foi abalado por forte crise

econômica nos últimos anos, aumentando o risco relacionado a empresas do setor e

dificultando de maneira relevante a análise financeira das mesmas. Setor este, que,

conforme descrito por Teixeira e Carvalho (2005), é estrategicamente importante

para o país e cuja demanda por investimentos é contínua.

Portanto, do ponto de vista prático, este estudo visa auxiliar fornecedores

de crédito, investidores e fornecedores da construção civil brasileira, quanto à

possibilidade de uso da análise discriminante como forma de avaliar o risco

associado às empresas que atuam no setor.

14

2 REFERENCIAL TEÓRICO

O propósito deste referencial teórico é ser uma revisão de conceitos

importantes que delimitam e auxiliam na explanação do objetivo do projeto e

também exerce a função de apresentar aspectos e conclusões derivados de outras

pesquisas relacionadas ao tema.

Nesta seção, primeiro serão abordados os primeiros modelos de análise

discriminante como ferramenta para análise de risco financeiro da empresa, no

segundo tópico serão tratadas alterações e adaptações do modelo Z, desenvolvido

por Altman, primeiramente apresentado, em 1968, e as aplicações dadas a ele no

decorrer do tempo. Ainda neste segundo tópico serão expostos os conceitos

relacionados às definições e aplicações de ratings de riscos atribuídos aos agentes

financeiros.

Na terceira subseção será descrita a aplicação do modelo Z” de Altman

(2000) como ferramenta para atribuição de ratings no mercado brasileiro, e

apresentando o estudo de Ferreira et al. (2013) utilizado como base para esta

pesquisa. A quarta subseção expõe fatores que contextualizam o cenário econômico

para as empresas da construção civil brasileira, demonstrando os aspectos

econômico-financeiros que compõem o cenário atuante destas empresas.

Por último, é feita apresentação do modelo Capital Asset Pricing Model

(CAPM), e suas adaptações para o mercado brasileiro, o modelo é utilizado nesta

pesquisa para análise dos retornos exigidos para as empresas selecionadas em

amostra, e análise da relação dos mesmos com os ratings atribuídos pelo modelo Z”

de Altman (2000).

2.1 Análise discriminante

A análise discriminante foi difundida por Altman (1968), através de seu

artigo publicado no The Journal of Finance, como método eficaz para classificação

15

destes agentes em diferentes grupos. Na técnica apresentada por Altman para a

classificação de fatores, a variável dependente é qualitativa, como, por exemplo, a

nacionalidade de uma pessoa.

Conforme descrito por Sanvicente e Minardi (1998), o objetivo da análise

discriminante é identificar uma combinação linear de aspectos individuais de cada

elemento que os associam a um dos grupos pré-definidos. Portanto, posteriormente

à definição destes grupos, devem ser coletados dados individuais dos elementos a

serem classificados. Desta maneira, a análise discriminante possibilita que sejam

consideradas todas as características em comum de cada elemento, para

construção de um padrão analítico dos mesmos.

A definição dos grupos distintos em que os agentes serão classificados

consiste no primeiro passo do modelo, no caso do objeto de estudo de Altman, se

tratavam de empresas que entrariam em concordata, ou não, no período de dois

anos, para tal ele se utilizou de informações contábeis de períodos anteriores para

empresas que entraram e não entraram em concordata nos anos subsequentes.

O modelo Z de Altman (1968), que obteve 95% de eficácia para análises

com dados de um ano anterior a entrada em concordata e eficácia de 72% quando

utilizados dados de dois anos anteriores a entrada das empresas em concordata,

considerava os seguintes componentes para análise das empresas, conforme a

equação (1), a seguir.

Z = 1.2X1 + 1.4X2 + 3.3X3 + .6X4 + 0.999X5 (1)

Onde:

X1 – Capital de giro/ativo total;

X2 – Lucros retidos/ativo total;

X3 – Lucros antes de juros e imposto de renda/ativo total;

X4 – Valor de mercado da empresa/valor contábil do exigível total; e

16

X5 – Vendas/ativo total.

Os resultados foram, então, classificados da seguinte maneira:

Z > 2.99 – Zona de baixo risco;

1.8 < Z < 2.99 – Zona de risco mediano; e

Z < 1.80 – Zona de alto risco.

O estudo de Altman (1968) levou a que outros autores buscassem

explorar a análise discriminante como ferramenta para análise do risco de falência

das empresas. Neste sentido, Elizabetsky (1976) desenvolveu modelo para análise

de crédito de bancos, utilizando como tomadores em análise pessoas jurídicas com

histórico de boas e más pagadoras. O modelo aplicado por Elizabetsky se dá na

seguinte equação (2):

Z = 1,93 ML – 0,20 X33 + 1,02 X35 + 1,33 X36 – 1,12 X37 (2)

Onde:

ML – Lucro líquido/vendas;

X33 – Disponível/ativo permanente;

X35 – Contas a receber/ativo total;

X36 – Estoque/ativo total; e

X37 – Passivo circulante/ativo total.

O modelo utilizado por Elizabetsky (1976) atribuía diagnóstico default à

empresas que obtivessem resultados inferiores a 0,5, sem que houvesse faixa de

17

risco mediano. O modelo buscava considerar de maneira mais relevante fatores que

indicassem a possibilidade das empresas gerarem lucro no futuro, considerando o

valor de contas a receber e o estoque da entidade. Enquanto o modelo de Altman

(1968) era totalmente focado em dados presentes que indicassem liquidez,

rentabilidade e endividamento da empresa, não levando em análise indicadores

contábeis de possíveis geradores de caixa futuros para a empresa.

Entretanto, há de ressaltar que ambos os modelos sofrem uma limitação

básica, descrita por Elizabetsky (1976), que consiste no fato de que as

demonstrações financeiras das empresas, de maneira geral, são divulgadas meses

após o final do exercício, fazendo com que haja um hiato de tempo nas análises de

risco realizadas através de análise discriminante.

Kanitz (1978) desenvolveu modelo para análise de insolvência para o

mercado brasileiro. O estudo utilizou como base trinta empresas, quinze que haviam

e entrado em falência e quinze que não haviam entrado, realizando estudo com

informações contábeis anteriores, assim como realizado por Altman (1968), o

modelo desenvolvido por Kanitz se dá na seguinte equação (3):

FI = 0,05RPL + 1,65LG + 3,55LS – 1,06LC – 0,33PCT (3)

Onde:

RPL – Lucro líquido/patrimônio líquido;

LG – (ativo circulante + realizável a longo prazo)/exigível total;

LS – (ativo circulante – estoques)/passivo circulante;

LC – Ativo circulante/passivo circulante; e

PCT – Exigível total/patrimônio líquido.


18

FI entre 0 e 7 – a empresa sem problemas financeiros – solvente;

FI entre 0 e -3 – a empresa com situação financeira indefinida; e

FI entre -3 a -7 – a empresa enfrentando problemas financeiros (insolvente).

Dos modelos pioneiros da análise discriminante, o que conseguiu maior

avanço foi modelo Z de Altman (1968), passando por diversas modificações e

evoluções no decorrer dos anos. Altman, Baidya e Dias (1979) aplicaram o modelo

ao mercado brasileiro, novamente analisando a eficácia do modelo no prognóstico

de falência das empresas. Para adaptar o modelo ao mercado brasileiro os

pesquisadores alteraram a variável X4, substituindo o valor de mercado da empresa,

pelo valor contábil do patrimônio líquido. Esta alteração foi realizada em função da

baixa quantidade de empresas brasileiras de capital aberto, impossibilitando uma

mensuração mais realística do seu valor de mercado. A quantidade de empresas

com capital aberto ainda é reduzida, mesmo na atual maturidade do mercado de

capitais brasileiro.

No estudo realizado, Altman, Baidya e Dias (1979) desenvolveram dois

indicadores Z’s. O primeiro não considerou variável X1, por não contribuir como fator

explicativo para o problema testado pelo modelo, fato este, explicado pelos autores,

como derivado da circunstância de que muitas empresas da amostra pesquisada

não precisaram do volume usual de recursos financeiros para apoiar seu

crescimento, por este ter ocorrido de maneira muito rápida, fazendo do capital de

giro um valor irrisório para análise destas empresas.

O segundo indicador Z desconsiderou a variável X2, em função da

dificuldade de se identificar os lucros retidos, com base apenas na análise de

balanços recentes. Os dois indicadores Z’s apresentaram resultados muito

semelhantes, com uma precisão ligeiramente superior obtida pelo primeiro indicador

Z utilizado no mesmo estudo. Este modelo apresentou precisão de 84,2%.

Contrariamente ao apresentado por Altman, Baidya e Dias (1979),

Sanvicente e Minardi (1998) demonstraram eficácia na aplicação do modelo, através

19

de pesquisa empírica, considerando a variável X1, que representa a liquidez das

empresas avaliadas.

2.2 O modelo Z e os ratings de crédito

Como definido por Ferreira et al. (2013), um rating atribuído deve levar em

consideração informações de caráter qualitativo e quantitativo, deve ser atualizado

periodicamente, evitando a defasagem das informações e deve refletir de maneira

concisa a capacidade financeira de um agente atuante no mercado.

A análise discriminante foi difundida mundialmente por Altman (1968)

como método eficaz para classificação destes agentes em diferentes grupos. Na

técnica apresentada por Altman para a classificação de fatores, a variável

dependente é qualitativa, como, por exemplo, o time de futebol de uma pessoa. A

definição dos grupos distintos em que os agentes serão classificados consiste no

primeiro passo do modelo. Pode-se utilizar como exemplo os ratings definidos por

agências de riscos, que agrupam agentes captadores do mercado em diferentes

segmentos, a partir do risco de não pagamento por partes destes tomadores, ou

seja, separando-os em diferentes níveis de ‘saúde financeira’, conforme exposto no

Quadro 1, a seguir.

Quadro 1 – Escala de rating das agências globais.

Moody's Ficth Ratings Standard & Poor's Significado

Aaa AAA AAA Mais alta qualidade

Aa AA AA Alta qualidade

A A A Qualidade média alta

Baa BBB BBB Qualidade média

Ba BB BB Predominante especulativo

B B B Especulativo

Caa CCC CCC Inadimplência próxima

C C C Baixíssima qualidade

DDD DDD Inadimplente/em atraso

20

DD DD Inadimplente/em atraso

D D Inadimplente/em atraso

Fonte: Elaborado pelo autor.

Apesar de a Moody’s utilizar métricas diferentes para demonstração de

rating, quando comparada as outra duas grandes agências avaliadoras, é possível

relacionar os mesmos, conforme demonstrado no Quadro 1, e atribuir o nível de

qualidade para cada rating atribuído. As métricas utilizadas pelas principais agências

de classificadoras de rating do mundo são proporcionais às utilizadas por Altman

(2000), que utiliza análise discriminante como método para atribuição de ratings de

crédito.

No modelo testado por Altman (1968) foram utilizados indicadores

contábeis para dividir empresas com alta possibilidade de falência (empresas que

entrariam em concordata) e empresas com alta possibilidade de continuidade, no

decorrer dos próximos dois anos. Para tal, ele aplicou a seguinte equação (4), que

contém como variáveis independentes indicadores contábeis:

Z = 1.2X1 + 1.4X2 + 3.3X3 + .6X4 + 0.999X5 (4)

Onde:

X1 – capital de giro/ativo total;

X2 – lucros retidos/ativo total;

X3 – lucros antes de juros e imposto de renda/ativo total;

X4 – valor de mercado da empresa/valor contábil do exigível total; e

X5 – vendas/ativo total.


21

Z > 2.99 – Zona de baixo risco;

1.8 < Z < 2.99 – Zona de risco mediano; e

Z < 1.80 – Zona de alto risco.

Foram selecionadas 66 empresas americanas, no período de 1946 a

1965, sendo que a metade delas entrou em concordata neste período e a outra

metade não. Utilizando as informações destas empresas, de períodos anteriores,

Altman aplicou o modelo e atingiu 95% de eficácia no diagnóstico com os dados do

ano imediatamente anterior à entrada das empresas em concordata, e eficácia de

72% com os dados dos dois anos anteriores a entrada das empresas em

concordata.

Altman, Baidya e Dias (1979) realizaram aplicação do modelo ao mercado

brasileiro, para tal os mesmos alteraram a variável X4, substituindo o valor de

mercado da empresa, pelo valor contábil do patrimônio líquido. Alteração esta

realizada em função da baixa quantidade de empresas brasileiras de capital aberto,

impossibilitando uma mensuração mais realística do seu valor de mercado.

O modelo aplicado com maior eficácia por Altman, Baidya e Dias (1979)

também não considerava a variável X1, por, segundo análise dos pesquisadores, a

mesma não contribuir como fator explicativo para o problema testado pelo modelo,

entretanto, estudos posteriores como o de Sanvicente e Minardi (1998)

demonstraram que o modelo também é eficaz, através de pesquisa empírica,

quando considerada a variável X1, que representa a liquidez das empresas

avaliadas.

Altman (2000) realizou outro estudo que relacionou o modelo Z com o

modelo de ratings de risco de crédito utilizado por agências avaliadoras de riscos

22

nos Estados Unidos da América (EUA), conforme demonstrado na Tabela 11, a

seguir.

Tabela 1 – Relação de Z-score por rating.

Rating Z-Score Equivalente

AAA 8.15

AA+ 7.60

AA 7.30

AA- 7.00

A+ 6.85

A 6.65

A- 6.40

BBB+ 6.25

BBB 5.85

BBB- 5.65

BB+ 5.25

BB 4.95

BB- 4.75

B+ 4.50

B 4.15

B- 3.75

CCC+ 3.20

CCC 2.50

CCC- 1.75

D 0

Fonte: Altman (2000, p. 28).

Como analisado por Ferreira et al. (2013) ao conseguir correlacionar o

score do modelo Z com os ratings de risco de crédito, Altman revolucionou as

técnicas de análise, fornecendo fundamento específico a cada score, podendo

traduzir de maneira quantitativa explícita o risco financeiro da empresa com base em

seu rating.

1 Altman adicionou um termo constante de 3,25 à equação do modelo Z, para melhor padronizar as

pontuações com uma pontuação de zero que equivale ao rating D.

23

2.3 O modelo Z como ferramenta para atribuição de ratings no Brasil

Ferreira et al. (2013), em trabalho utilizado como inspiração para esta

pesquisa, fizeram uso do modelo Z de Altman (2000) para avaliar, no período de

2005 a 2010, a classificação de ratings, através do modelo Z, das empresas aéreas

brasileiras e verificando se as empresas que tinham melhores ratings nos anos

anteriores à grande crise mundial de 2008, foram as que resistiram melhor à crise.

E ainda, Ferreira et al. (2013) selecionaram o setor aeroviário brasileiro

que atravessou período de crise a partir do ano de 2008, apresentando em 2008

prejuízo líquido de R$ 1,5 bilhão, crise esta derivada da grande crise econômica

mundial que levou ao aumento do preço do petróleo, e falência de grandes

seguradoras e bancos mundiais, fazendo com que os custos de combustível, seguro

e arrendamento das operações de empresas aéreas fosse fortemente elevado.

Desta forma, Ferreira et al. (2013) utilizaram o modelo Z, nas premissas

definidas por Altman (2000), para classificação das empresas do setor aeroviário

brasileiro no decorrer dos anos de 2005 a 2010, realizando cálculo do Z-score das

empresas selecionadas para cada um dos anos do período de amostragem, e

atribuindo os respectivos ratings de crédito, seguindo a métrica de apresentação da

agência Standard & Poor’s.

Com base nos ratings calculados, Ferreira et al. (2013), conseguiram

demonstrar a piora sistemática dos ratings das empresas do setor aeroviário

brasileiro, que em 2010 atingiram rating médio CCC+, demonstrando vulnerabilidade

econômica, sendo que em 2005, antes da crise, mais de um terço das empresas

analisadas possuíam rating superior a CCC+.

Adicionalmente, Ferreira et al. (2013) também constataram que as

empresas com melhores ratings no período anterior à crise, TAM e GOL, foram as

que melhor atravessaram o período de instabilidade do mercado, mantendo os

ratings melhores que a média do mercado no decorrer da crise, e sendo as primeiras

empresas a retomarem o patamar de lucro do período anterior a crise, obtendo

24

resultados positivos semelhantes aos dos períodos anteriores à 2008 já em 2009,

um ano após o início da crise.

Com base na piora dos ratings médios atribuídos, condizentes com a

crise vivida pelo setor, e o melhor desempenho durante a crise, de empresas que

possuíam os melhores ratings antes dela, Ferreira et al. (2013) foram capazes de

fornecer análise de risco confiável, através da atribuição de ratings, definidos pelo

modelo Z, às empresas do setor aéreo brasileiro.

De maneira semelhante, Sanvicente e Minardi (1998), testaram a eficácia

do modelo Z na previsão de processo de concordata, utilizando como amostra

empresas de capital aberto brasileiro, com informações de 1988 a 1998, Sanvicente

e Minardi (1998) utilizaram em seu estudo, a variável indicadora de liquidez, X1,

contrariando o apresentado por Altman, Baidya e Dias (1979) que não a utilizaram

em sua adaptação da aplicação do modelo Z, ao mercado brasileiro.

O modelo de Sanvicente e Minardi (1998), também incluiu uma nova

variável, chamada no estudo de X8, que representava o lucro operacional antes de

juros e impostos dividido pelas despesas financeiras. Este modelo obteve eficácia de

81,8% para classificações feitas com informações de um ano antes ao processo de

concordata das respectivas empresas, enquanto o modelo de Altman, Baidya e Dias

(1979) obteve precisão de 84,2% para análises com informações de dois anos

antecedentes. Entretanto, ao não considerarem a variável X1, Sanvicente e Minardi

obtiveram eficácia de 80,2%, demonstrando que, ao menos, em períodos mais

contemporâneos a liquidez é sim um fator relevante a ser considerado no modelo Z,

além de demonstrar a eficácia do mesmo para análise de risco associados a

empresas, do mercado de capitais brasileiro.

2.4 O contexto da construção civil no Brasil e a dificuldade para análises no mercado

Conforme descrito por Teixeira e Carvalho (2005), o setor de construção

civil é de importância estratégica para a economia de qualquer país, tendo em vista

25

que o seu desenvolvimento acarreta em um amplo efeito positivo de encadeamento

para os demais setores da economia nacional.

Duarte e Lamounier (2007), em estudo realizado em 2007, mostraram que

o macro setor da construção civil representava, até então, 18,4% do Produto Interno

Bruto (PIB) nacional, gerando cerca de 12 milhões de empregos, em todo o país.

Este macro setor é composto por 73,45% de construtoras, 20,4% de indústrias que

fornecem insumos para as construções e 6,21% de serviços que suportam toda a

cadeia produtiva.

É necessário ressaltar que o ponto crítico para fins de crescimento do

setor, está vinculado à expansão e crescimento financeiro das construtoras, tendo

em vista que é a partir dos contratos realizados, que se geram as demandas por

atividades de fornecimento de matérias-primas e serviços relacionados à

construção. Portanto analisar a situação financeira do mercado passa,

primordialmente, pela análise financeira das construtoras.

Duarte e Lamounier (2007) também descrevem em seu estudo a forte

dependência que a construção civil tem dos aspectos econômico gerais, tendo em

vista que as obras de infraestrutura do país são em quase sua totalidade financiadas

pelo Estado, e os empreendimentos imobiliários têm seu sucesso diretamente

vinculado ao poder de compra das famílias e às taxas de juros do mercado.

A partir de 2014, o Brasil começou a atravessar uma de suas piores crises

econômicas. A taxa de juros Selic, que em janeiro de 2013 era de 7,11% ao ano,

chegou a 11,65% em 2014, e terminou 2015 em 14,15% (BCB, 2016). O aumento da

taxa de juros serve como reflexo da situação econômica do país, pois dele deriva o

alto endividamento das famílias, a queda do consumo, a baixa disponibilidade de

crédito e o desequilíbrio das contas públicas que fecharam 2014 com déficit primário

de R$ 32,536 bilhões, conforme divulgado pela reportagem informativa da Revista

Exame (2015), criando demanda emergencial de maior arrecadação, por parte do

governo.

26

O cenário econômico apresentado influenciou de maneira intensamente

negativa o desempenho das empresas de construção civil, não só pela conjuntura

geral econômica apresentada, mas também pelo envolvimento direto de executivos

de grandes construtoras do Brasil com os supostos crimes investigados na chamada

“Operação Lava-Jato”. Amorim (2015) retrata perda de R$ 12 bilhões no valor

agregado das empresas de construção civil na Bolsa de Valores de São Paulo

(BM&FBOVESPA), no período de julho de 2014 a junho de 2015. Mais do que isto,

dentre as 23 maiores construtoras do País, apenas três obtiveram crescimento, no

decorrer do mesmo período.

Esta queda brusca no valor de mercado e o cenário de instabilidade do

setor, fazem com que o risco das empresas que o integram aumente, de forma

espontânea, ampliando a complexidade e a quantidade fatores a serem

considerados pelos analistas de investimento do mercado.

2.5 O modelo Capital Asset Pricing Model

Como apresentado por Silva (2007), no mundo real, onde os mercados

não são perfeitos, o retorno sobre investimentos de recursos financeiros está

diretamente ligado ao seu risco. E é neste sentido que surge o modelo CAPM, como

ferramenta para estudo simultâneo dos impactos da rentabilidade e do risco sobre o

valor da ação.

O modelo, desenvolvido por Sharpe (1964), Lintner (1965) e Mossin

(1966) parte de uma série de premissas, conforme descrito por Alcântara (1980),

dentre as quais está o fato de que todos os investidores devem possuir expectativas

homogêneas quanto à relação risco-retorno. Desta maneira não existiram cenários

de ‘super’ ou ‘sub’ avaliação para nenhum ativo.

O CAPM decompõe o risco total de um ativo em duas partes: Risco

diversificável e não diversificável. Reis da Silva (2007) descreve o risco

diversificável, ou risco não sistemático, como risco que não depende do mercado, é

o risco associado exclusivamente ao comportamento daquela determinada ação. Já

27

o risco não diversificável, ou risco de mercado, deriva das flutuações e fatores que

interferem na economia, ou em determinado setor dela, como um todo. Um exemplo

de materialização deste risco é justamente a crise que vem atingido o mercado

brasileiro, já descrita acima. Feitas estas considerações, o modelo CAPM é

apresentado conforme a equação que se segue (5).

Ke = Rf + β*(Rm - Rf) (5)

Onde:

Ke – custo de capital próprio ou taxa requerida de retorno para o título;

Rf – taxa de retorno do ativo livre de risco2;

Rm – taxa de retorno da carteira de mercado;

(Rm – Rf) – prêmio por unidade de risco de mercado; e

β – coeficiente calculado através de regressão linear entre a taxa de retorno do

investimento e a taxa de retorno de uma carteira (que represente uma média do

mercado), em outras palavras, reflete o desempenho histórico de uma ação,

ponderada pelas circunstâncias de mercado.

Conforme descrito por Assaf Neto, Lima e Araújo (2008), uma dificuldade

de aplicação do modelo CAPM, para o mercado brasileiro, consiste no fato de que o

ativo considerado de menor risco no país, os Títulos do Tesouro Nacional, que

remuneram segundo a Selic, possuem, na realidade, prêmio para o risco embutido

em seus valores, o que faz com que muitas vezes, o retorno do ativo considerado

sem risco seja superior a média do mercado. Além disso, a flutuação da Selic,

derivada da instabilidade orçamentária brasileira, faz com que a mesma flutue muito

no decorrer dos anos.

Desta maneira, Assaf Neto, Lima e Araújo (2008) concluem que a taxa

livre de risco utilizada no cálculo do custo de oportunidade do capital próprio é

2 Pelo fato de no mundo real não haver ativo livre de risco, deve-se estabelecer o ativo de menor risco

no contexto de determinado mercado, Reis da Silva (2007), por exemplo, define os títulos do tesouro americano, com ativo livre de risco.

28

melhor aplicada se considerados os títulos públicos de melhor qualidade no mundo,

como, por exemplo, os títulos emitidos pelo tesouro americano, conhecidos como ‘T-

Bond’s’, mesmo que a empresa avaliada não se localize no país. Entretanto, é

ressaltado pelos autores que para os casos com grandes divergências entre o

prêmio de risco para o país da ação avaliada, e o país com risco menor deve se

adicionar a fórmula CAPM o risco país, representado por αBR, chegando à seguinte

equação (6):

K = RF + β(Rm – Rr) + αBR (6)

Outro fator crítico para aplicação do CAPM reside no critério utilizado para

definição do retorno médio de mercado. Neste sentido, Gonçalves Júnior et al.

(2011) utilizaram três perspectivas diferentes, para estimar o prêmio médio do

mercado brasileiro no período de 1996 à 2008.

Foi utilizada a abordagem retrospectiva ou histórica para os indicadores

de mercado IBrX e FGV-100, e a abordagem prospectiva, utilizando como referência

dez mil registros de dividendos do site da Bovespa, aplicando a seguinte equação

(7):

P0,i = D1,i

↔ ri = D1,i

+ gi ri – gi P0,I

(7)

Onde:

P0, i – Valor do ativo i na data zero;

D1,i – Dividendo a ser distribuído pelo ativo i no próximo período (data um);

ri – Retorno esperado para o ativo i; e

gi – Ganho de capital esperado para o ativo i;

29

Também foi utilizada uma abordagem por modelos de mercado, fazendo

uso de modelo derivado do CAPM a partir de uma perspectiva temporal, a Linha de

Segurança de Mercado e, após a análise, foi obtido o resultado de prêmio médio de

mercado variando entre 5,38% e 7,30%, resultados estes que culminaram com a

literatura prévia analisada por Gonçalves Júnior et al. (2011), indicando validade do

resultado obtido pelo estudo.

30

3 MÉTODOS E TÉCNICAS DE PESQUISA

O objetivo do presente estudo é avaliar a capacidade do modelo Z para

avaliação de risco de empresas, realizando um estudo teórico, com aplicação do

modelo Z” de Altman (2000) a empresas do setor de construção civil brasileiro. Essa

seção busca explicar as características da presente pesquisa e delimitar como sua

operacionalização será realizada de modo a alcançar o objetivo proposto.

3.1 Tipo e descrição geral da pesquisa

Partindo-se das três classificações de pesquisa, conforme seus objetivos

gerais, explicativa, descritiva e experimental, Gil (2002) apresenta a pesquisa

descritiva, entre outras coisas, como o estudo de relação entre variáveis, e que

possui como característica marcante a utilização de técnicas padronizadas para

obtenção de dados dos respectivos estudos.

Este estudo possui como objetivo avaliar a validade das notas de riscos,

atribuídas através do modelo de análise discriminante Z, composto por indicadores

contábeis, obtidos de empresas de capital aberto cotadas na Bolsa de Valores de

São Paulo (BM&FBOVESPA), avaliando a relação dos ratings atribuídos através de

análise discriminante, com os retornos exigidos pelo mercado, definidos através do

modelo Capital Asset Pricing Model (CAPM).

Para tal, foram elencadas empresas da construção civil com ações

cotadas na BM&FBOVESPA, integrantes do setor de construção civil, que atuam

como construtoras, selecionando empresas com diferentes desempenhos históricos,

no mercado de capitais e diferentes linhas especializadas de atuação, sendo cinco

delas construtoras com atuação em empreendimentos, e outras três com atuação

em projetos de construção pesada.

Aplicaram-se às empresas analisadas, com base em informações

financeiras anteriores, e também no decorrer da crise que atingiu o setor em 2014,

31

utilizando com base os anos de 2012 e 2015, modelo de análise discriminante para

estabelecimento de nota de crédito, e verificando-se a existência de relação

inversamente proporcional da ‘qualidade’ dos ratings de crédito, com os retornos

exigidos pelo mercado, calculados através do modelo CAPM, além de observar se

houve piora dos ratings de crédito decorrentes da crise atravessada pelo setor.

3.2 População e amostra

A população objeto deste estudo são empresas do setor de construção

civil, que atuam como construtoras e possuem ações negociadas na

BM&FBOVESPA. O Quadro 2, a seguir, apresenta as oito empresas selecionadas,

sendo cinco destas do segmento de empreendimentos, que corresponde à

construção de prédios, condomínios residenciais, comerciais, entre outros, e outras

três do subsetor de construção pesada, que corresponde à construção de rodovias,

ferrovias, barragens, entre outros.

Quadro 2 – Empresas selecionadas em amostra.

Razão Social Código da Ação

GAFISA S.A. GFSA

CYRELA BRAZIL REALTY S.A. EMPREEND E PART

CYRE

MRV ENGENHARIA E PARTICIPACOES S.A. MRVE

EVEN CONSTRUTORA E INCORPORADORA S.A.

EVEN

DIRECIONAL DIRR

AZEVEDO & TRAVASSOS S.A. AZEV

MENDES JÚNIOR TRADING E ENGENHARIA S.A.

MEND

Tecnosolo – Engenharia e Tecnologia de Solos e Materiais S.A.

TCNO

Fonte: BM&FBOVESPA

Diversificamos a amostra selecionada entre empresas de dois subsetores

diferentes, visando aumentar a cobertura do estudo realizado e, desta maneira,

32

aumentar o conforto na análise da efetividade da utilização da análise discriminante

como método para análise de risco de empresas. Adicionalmente, selecionamos

empresas com diferentes históricos na BM&FBOVESPA, visando aplicar o modelo a

diferentes realidades financeiras, conforme demonstrado nos Gráficos 1 a 8, a

seguir.

Gráfico 1 – Desempenho GFSA3 (jun. 2010 – jun. 2016).

Fonte: Exame.com (2016a).

33

Gráfico 2 – Desempenho CYRE3 (jun. 2010 – jun. 2016).

Fonte: Exame.com (2016b).

Gráfico 3 – Desempenho MRVE3 (jun. 2010 – jun. 2016).

Fonte: Exame.com (2016c).

34

Gráfico 4 – Desempenho EVEN3 (jun. 2010 – jun. 2016).

Fonte: Exame.com (2016d).

Gráfico 5 – Desempenho DIRR3 (jun. 2010 – jun. 2016).

35

Fonte: Exame.com (2016e).

Gráfico 6 – Desempenho AZEV4 (jun. 2010 – jun. 2016).

Fonte: Exame.com (2016f).

Gráfico 7 – Desempenho MEND5 (jun. 2010 – jun. 2016).

Fonte: Exame.com (2016g).

36

Gráfico 8 – Desempenho TCNO3 (jun. 2010 – jun. 2016).

Fonte: Exame.com (2016h).

3.3 Procedimentos de coleta e de análise de dados

Observando-se os desempenhos descritos nos Gráficos de 1 a 8, é

possível perceber que todas as empresas, com exceção da Azevedo & Travassos

(vide Gráfico 6), cujas ações tiveram alta no ano de 2014, e da Tecnosolo (vide

Gráfico 8), cujo valor das ações encontra-se próximo de zero, apresentaram queda

em seu valor de mercado do ano de 2013 em diante, indicando que uma crise

conjuntural do mercado de construção civil teve início no ano de 2013. Isto fez com

que o setor sofresse os efeitos da crise geral que afetaria o país de maneira mais

relevante a partir do ano de 2014.

Tendo em vista o descrito no último parágrafo, foram obtidos diretamente

do portal da Comissão de Valores Mobiliários (CVM) (BRASIL, 2016), os

demonstrativos financeiros, das empresas selecionadas, contendo os indicadores

financeiros necessários à aplicação do modelo Z. Adicionalmente, realizamos o

37

cálculo do retorno exigido de mercado para as ações das empresas avaliadas,

através do modelo CAPM, visando verificar se as empresas com piores ratings

atribuídos, seriam as que possuiriam o maior retorno exigido.

Realizamos aplicação do modelo CAPM, conforme aspectos definidos por

Assaf Neto, Lima e Araújo (2008), utilizando os títulos do tesouro americano como

ativo livre de risco e, para a análise referente ao ano de 2015, quando a taxa SELIC

era relevantemente superior a remuneração dos T-Bonds, adicionando ao modelo

CAPM o risco país, utilizando a seguinte equação (8):

K = RF + β(Rm – Rr) + αBR (8)

Obtivemos diretamente do portal de consulta do Tesouro Americano as

taxas de juros anuais para os T-Bond’s (2016), com validade de 10 anos, para os

títulos emitidos em dezembro de 2012 e dezembro de 2015, sendo elas de 1,78% e

2,27% respectivamente. As taxas Selic, para os mesmos períodos, foram obtidas do

portal de consulta do Banco Central do Brasil (BCB) (BRASIL, 2016) e seus valores

correspondentes eram de 7,25% e 14,25%, respectivamente.

Para valor referência do prêmio médio de mercado, utilizamos a faixa de

resultados obtida por Gonçalves Júnior et al. (2011), aplicando o valor máximo de

7,30% para o período anterior à crise e o valor mínimo estipulado de 5,38% para a

análise referente ao período de crise. Os Betas das empresas selecionadas em

amostra foram obtidos através da base de dados financeiros Economatica3, com

acesso disponibilizado através da Faculdade de Economia, Administração,

Contabilidade e Gestão de Políticas Públicas da Universidade de Brasília

(FACE/UnB), conforme disposto nas Tabelas 2 e 3, a seguir.

Tabela 2 – Indicadores financeiros

3 Em função de inconsistência da base Economatica os resultados para o Beta da Mendes Júnior

apareciam em branco, desta maneira, utilizamos o beta médio de empresas do setor constante na Economatica.

38

Indicador

Ano

2012 2015

Taxa SELIC 7,25% 14,25%

T-Bond’s 1,78% 2,27%

Prêmio de mercado brasileiro 7,30% 5,38%

Fonte: BCB (2016) e Gonçalves Júnior et al. (2011).

Tabela 3 – Beta por empresa e período.

Empresa

Ano

Beta 2012 Beta 2015

Gafisa 1,24 0,76

Cyrela 0,83 1,1

MRV 1,03 0,86

EVEN 0,51 -0,22

Direcional 1,1 1,47

Azevedo & Travassos -0,09 0,02

Mendes Júnior 0,95 0,88

Tecnosolo 1,04 0,65

Fonte: Economática.

Os Betas obtidos demonstram que as empresas selecionadas obtiveram

diferentes desempenhos de mercado no período avaliado, Azevedo & Travassos em

2012 e EVEN em 2015 apresentaram beta negativo, o que indica que ambas as

empresas tiveram desempenhos opostos ao do mercado nos respectivos períodos.

Outro fator a ser observado é o Beta de 2015 da Direcional, indicando que a

empresa teve desempenho bastante superior ao do mercado no período analisado.

Assim como realizado por Ferreira et al. (2013), utilizou-se dos

indicadores contábeis, das empresas selecionadas em amostra, para aplicação do

modelo Z de Altman, e a definição dos ratings das mesmas, conforme valores

obtidos para seus respectivos Z-scores.

Para a análise em questão, foi utilizado o modelo Z de Altman (2000),

realizando apenas uma modificação no modelo: Para adaptação do mesmo ao

mercado brasileiro, conforme realizado por Altman, Baidya e Dias (1979) e Ferreira

39

et al. (2013), foi considerada para a obtenção da variável X4 o valor contábil do

patrimônio líquido.

Z = 6,56X1 + 3,26X2 + 6,72X3 + 1,05X4 (9)

Onde:

X1 – Capital de giro/ativo total; X2: lucros retidos/ativo total;

X3 – Lucros antes de juros e imposto de renda/ativo total; e

X4 – Valor de mercado do patrimônio líquido/valor contábil do exigível total.

Todos os cálculos para obtenção de resultados, referentes ao Z-scores e aos retornos de mercado exigidos, foram realizados através da ferramenta Microsoft Excel.

40

4 RESULTADOS E DISCUSSÕES

Nesta seção, são apresentadas as análises realizadas quanto à utilização

do modelo Z-score para definição de ratings, para as empresas do setor de

construção civil brasileiro e os retornos exigidos calculados através do modelo

CAPM.

4.1 Resultados obtidos

Com base nos betas obtidos através da base Economatica, conforme

apresentado na sessão acima chegamos aos seguintes resultados esperados de

mercado, para as empresas selecionadas em amostra:

Tabela 4 – Retorno exigido de mercado.

Empresa

Ano

2012 2015

Azevedo & Travassos 6,593% 14,358%

Cyrela 13,309% 20,168%

Direcional 15,28% 22,158%

EVEN 10,973% 13,066%

Gafisa 16,302% 18,339%

Mendes Júnior 14,185% 18,984%

Tecnosolo 14,842% 17,747%

MRV 14,769% 18,877%

Fonte: Do autor.

Corroborando com os betas apresentados existem empresas com

diferentes faixas de retorno exigido de mercado, servindo como indicativo de que

obteremos algumas ocorrências de empresas com ratings iguais, e também alta

variância entre os ratings determinados.

41

Seguindo o apresentado no modelo de Altman (2000), conforme descrito

na sessão acima, realizamos cálculo dos Z-scores das empresas selecionadas para

os anos de 2012 e 2015, conforme demonstram os resultados a seguir.

Tabela 5 – Resultado da variável X1 – Ativo circulante – passivo circulante/ativo total.

Empresa

Ano

2012 2015

Azevedo & Travassos 0,0344 0,0708

MRV 0,2941 0,2150

Cyrela 0,3939 0,0645

Gafisa 0,0751 0,3354

Even 0,6584 0,6640

Direcional 0,5701 0,0655

Mendes Júnior -0,0016 -0,0910

Tecnosolo -0,1418 -0,2807

Fonte: Do autor.

O capital de giro consiste na diferença entre o ativo circulante e o passivo

circulante, desta maneira a variável X1 visa medir a liquidez do ativo total da

empresa, quanto maior for indicador, maior é a capacidade da empresa de cumprir

com suas obrigações, os resultados negativos obtidos pela Mendes Júnior e

Tecnosolo indicam dificuldade das empresas em cumprirem com suas despesas

operacionais, colocando em risco a continuidade das mesmas e afetando os

respectivos ratings.

Tabela 6 – Resultado da variável X2 – Lucros acumulados/ativo total.

Empresa

Ano

2012 2015

Azevedo & Travassos -0,2324 0,0599

MRV 0,1013 0,0649

Cyrela -0,0026 0,3759

Gafisa -0,0352 0,0449

42

Even 0,1798 0,1572



Tecnosolo -0,0671 0,0107

Fonte: Do autor.

A variável X2 demonstra o retorno acumulado da empresa em relação aos

seus ativos disponíveis. Contrariando o esperado, as empresas Azevedo &

Travassos, Cyrela, Gafisa e Tecnosolo conseguiram reverter os prejuízos

acumulados em 2012, no decorrer da crise, das oito empresas analisadas cinco

obtiveram melhora no indicador, demonstrando uma maior responsabilidade das

mesmas na gestão de seus recursos gerados. A Direcional se destaca na análise,

por reter 36,71% de lucros retidos em relação aos seus ativos, demonstrando alto

nível de desempenho operacional da empresa.

Apesar das melhoras constatadas no indicador X2, há de se ressalvar que

das oito empresas analisadas, cinco sofreram redução em seu ativo no decorrer do

período, contribuindo para a melhora do indicador, mas diminuindo a perspectiva de

crescimento destas empresas nos anos próximos.

Tabela 7 – Resultado da variável X3 – Lucros antes de juros e imposto de renda/ativo total.

Empresa

Ano

2012 2015


MRV 0,0546 0,0483

Cyrela 0,0666 0,0648

Gafisa 0,0021 0,0172

Even 0,0842 0,0262


Mendes Júnior 0,0909 -0,0095

Tecnosolo -0,4382 0,0120

Fonte: Do autor.

43

A variável X3 demonstra a rentabilidade das operações da empresa,

ilustrando o quanto a mesma consegue gerar de lucro com seus ativos. Os

resultados indicam piora de rentabilidade em todas as empresas, com exceção da

Tecnosolo que conseguiu sair de resultado relevantemente negativo, com 43% do

valor total de seu ativo em prejuízo, para um lucro de 1,2%, em função de a maioria

valores estarem bastante próximos de zero esta variável não impacta de maneira

relevante o resultado final dos Z-scores calculados.

Tabela 8 – Resultado da variável X4 – Patrimônio líquido/exigível total.

Empresa

Ano

2012 2015


MRV 0,5823 0,9857

Cyrela 0,6393 3,5374

Gafisa 0,6540 0,8450

Even 0,9169 0,9234



Tecnosolo 0,0058 0,0726

Fonte: Do autor.

A variável X4 demonstra o quanto do ativo da empresa é financiado pelo

capital próprio, ou seja, de maneira inversa ela demonstra o nível de endividamento

da mesma. Percebe-se ao analisar os resultados que, de maneira geral, houve

melhora nos resultados do indicador, demonstrando que as empresas obtiveram

sucesso ao diminuir sua dependência de capital de terceiros, o que é uma

alternativa mais rentável para as estas no período de crise, em função das altas

taxas de juros. A Mendes Júnior e, principalmente, a Tecnosolo demonstram maior

risco por possuírem maior composição de recursos advindos de terceiros.

Assim como citado no descrito nos resultados do indicador X2, há de

ressalvar que cinco das oito empresas analisadas sofreram redução do seu ativo no

período, fazendo com que os resultados da variável melhorassem, mas fosse

44

reduzida a perspectiva de crescimento destas empresas nos anos próximos. A

Cyrela e a Direcional, que obtiveram os maiores valores para as variáveis, reduziram

seus ativos em 46% e 33% respectivamente.

Conforme os resultados obtidos, atribuiu-se os ratings, seguindo o

disposto na Tabela 2, e avaliou-se a pertinência dos scores obtidos, com o retorno

exigido de mercado, para cada uma das ações. Os resultados da Tabela 5

demonstram os valores correspondentes obtidos para análise anterior à crise,

utilizando as demonstrações financeiras de 2012. E a Tabela 6 traz os valores

referentes ao decorrer da crise, com dados contábeis de 2015.

Tabela 9 – Z-score e rating atribuído – ano 2012.

Empresa Z-Score Rating Atribuído Significado

Azevedo & Travassos 1,80 CCC- Inadimplência próxima

MRV 3,24 CCC+ Inadimplência próxima

Cyrela 3,69 CCC+ Inadimplência próxima

Gafisa 1,08 CCC- Inadimplência próxima

Even 6,43 A- Qualidade média-alta

Direcional 5,59 BB+ Especulativo

Mendes Júnior 1,59 CCC- Inadimplência próxima

Tecnosolo -4,09 D Em concordata/questionável

Fonte: Do autor.

Tabela 10 – Z-score e rating atribuído – ano 2015.

Empresa Z-Score Rating Atribuído Significado

Azevedo & Travassos 1,63 CCC- Inadimplência próxima

MRV 2,98 CCC Inadimplência próxima

Cyrela 5,80 BBB- Qualidade média

Gafisa 3,35 CCC+ Inadimplência próxima

Even 6,01 BBB Qualidade média

Direcional 6,55 A- Qualidade média-alta

Mendes Júnior 0,03 CCC- Inadimplência próxima

Tecnosolo -1,65 D Em concordata/questionável

Fonte: Do autor.

45

Para atribuição dos ratings apresentados nas Tabelas 5 e 6, somente foi

atribuído rating no caso do Z-score correspondente ser maior ou igual ao valor

mínimo equivalente ao mesmo, ou seja, não foi realizado arredondamento. A única

exceção foi para o rating D somente atribuído a empresas que apresentassem Z-

score de zero ou negativo.

Conforme esperado ao analisar os retornos exigidos para as empresas,

através do modelo Capital Asset Pricing Model (CAPM), houveram sete ocorrências

de empresas com ratings coincidentes e grande variância entre ratings,

apresentando a Tecnosolo como empresa muito próxima do processo de

concordata, mesmo com a melhora de Z-score ocorrida no período avaliado, por

outro lado Direcional e Even apresentaram resultados mais positivos, atingindo

qualidade média-alta.

Foi realizada ainda análise da variação dos ratings por empresa, aonde

foi possível verificar que das oito empresas analisadas em amostra três obtiveram

melhora no seu rating, mesmo durante a crise, outras duas sofreram piora no rating,

e três mantiveram a mesma faixa de resultado, sendo uma destas a Tecnosolo, que

já possuía rating D.

Quadro 3 – Variação dos ratings atribuídos – período 2012-2015.

Empresa Rating Atribuído – Ano 2012 Rating Atribuído – Ano 2015

Azevedo & Travassos CCC- CCC-

MRV CCC+ CCC

Cyrela CCC+ BBB-

Gafisa CCC- CCC+

Even A- BBB

Direcional BB+ A-

Mendes Junior CCC- CCC-

Tecnosolo D D

Fonte: Do autor.

46

Por último foi elencada a relação dos ratings atribuídos às empresas em

amostra, com os retornos exigido de mercado calculados.

Quadro 4 – Relação dos ratings atribuídos com os retornos de mercado exigidos – ano 2012.

Empresa Ordenamento por Menor

Retorno Exigido de Mercado Ordenamento por Qualidade

de Rating

Azevedo & Travassos 1º 5º

EVEN 2º 1º

Cyrela 3º 3º

Mendes Júnior 4º 5º

MRV 5º 3º

Tecnosolo 6º 8º

Direcional 7º 2º

Gafisa 8º 5º

Fonte: Do autor.

Quadro 5 – Relação dos ratings atribuídos com os retornos de mercado exigidos – ano 2015.

Empresa Ordenamento por Menor

Retorno Exigido de Mercado Ordenamento por Qualidade

de Rating

EVEN 1º 2º

Azevedo & Travassos 2º 6º

Tecnosolo 3º 8º

Gafisa 4º 4º

MRV 5º 5º

Mendes Júnior 6º 6º

Cyrela 7º 3º

Direcional 8º 1º

Fonte: Do autor.

Empresas com ratings idênticos foram enquadradas dentro do mesmo

ordenamento de qualidade de rating, independentemente das variações nos valores

dos seus respectivos Z-scores. Esta classificação foi realizada buscando preservar a

característica de padronização em grupos da análise discriminante, conforme

descrito por Sanvicente e Minardi (1998).

47

Os resultados apresentados nos Quadros 4 e 5 demonstraram que não há

ligação direta entre os ratings atribuídos, através do modelo Z de Altman (2000), e

as taxas de retorno exigidas pelo mercado, tendo em vista que a maior parte das

empresas selecionadas possuiu retorno exigido de mercado incongruente com o seu

risco, se comparado com as demais empresas do setor de construção civil

analisadas neste estudo.

Se considerada uma faixa aceitável de diferença de um a mais ou a

menos no ordenamento, três empresas obtiveram relação direta entre o retorno

exigido de mercado, e o rating atribuído em 2012. Em 2015 foram quatro empresas

com resultados semelhantes, obtendo assim relação direta de 37,5% e 50%,

respectivamente.

4.2 O modelo Z para definição de ratings de crédito

Os ratings obtidos pelo modelo Z, tanto em 2012 quanto em 2015,

demonstram de maneira quantitativa o alto risco do setor, que já é de conhecimento

dos analistas de investimentos derivados da crise econômica que vem atingindo o

país. Este fato é exposto ao se verificar que dentre os dezesseis ratings atribuídos,

para dois períodos diferentes, nenhum apresentou qualidade alta.

Foi possível verificar, de maneira inesperada, que houve manutenção do

rating médio atribuído ao setor no decorrer da crise, observado o rating médio do

setor que em 2012 era equivalente a CCC, com um Z-score médio de 2,4 e em

2015, o rating médio do setor foi mantido, com Z-score médio de 3,09.

Entretanto, ao analisarmos os Gráficos 1 a 8, é possível verificar que

todas as empresas já vinham perdendo valor de mercado a partir de 2011, com a

exceção feita a Mendes Júnior, que conforme demonstrado no Gráfico 7, possui

variação constante de seu valor de mercado.

Desta forma, a manutenção do rating médio no mercado no período

analisado apenas demonstra que as empresas conseguiram amenizar suas perdas

48

no período, mas ainda possuem perspectiva bastante negativa, afinal o rating CCC,

indica proximidade de inadimplência conforme apresentado na Tabela 1.

A aplicação realizada do modelo também demonstrou que o mesmo é

capaz de detectar e refletir mudanças ocorridas no mercado, ao comparar os ratings

atribuídos no início da crise, com ratings das mesmas empresas, no decorrer desta

crise. Aonde apenas 37,5% das empresas analisadas obtiveram melhora no seu

rating, quando as demais obtiveram piora de rating, ou manutenção de ratings de

qualidade baixa ou média-baixa.

As empresas Azevedo & Travassos, Mendes Júnior e Tecnosolo

mantiveram seus respectivos ratings, tendo as duas primeiras obtido rating CCC- e a

Tecnosolo, empresa com situação mais crítica dentre as avaliadas, obteve rating D,

que indica que a mesma já pode estar inadimplente com fornecedores e na

iminência de entrar no processo de concordata.

Azevedo & Travassos, conforme demonstrado nas Tabelas de 5 a 8,

apresentou melhora relevante nas variáveis X2 e X4, entretanto possui resultados

abaixo da média nas variáveis X1 e X3 que são os indicadores com maior peso na

determinação do Z-score, representando a liquidez do ativo da empresa e a

rentabilidade de suas operações, respectivamente. Desta forma a empresa

apresentou rating CCC- nos dois períodos avaliados, indicando proximidade de

inadimplência e um alto risco da mesma.

A Mendes Júnior, por sua vez, apresentou resultados negativos nas

variáveis X1 e X3, demonstrando que capital de giro da empresa foi negativo em

2015, ou seja, seus ativos circulantes não eram capazes de cobrir os custos dos

passivos circulantes, adicionalmente a empresa vem apresando prejuízos

operacionais constantes.

Adicionalmente, no decorrer da crise houve mutação da suas fontes de

financiamento, fazendo com que o capital próprio que antes representava 40,88% da

fonte de ativos passasse a representar 30,36%, desta forma a empresa ficou muito

49

próxima do rating D, indicando seu alto risco e alta probabilidade de inadimplências

em um futuro próximo.

A Tecnosolo foi a única empresa analisada a apresentar rating D, que

indica que a empresa já está em inadimplente e apresenta iminência de falência. A

empresa mostrou relevante aumento do seu Z-score no período de 2015 em relação

à 2012, aumento este derivado da variável X3 que saiu de resultado relevantemente

negativo, para atingir nível positivo, demonstrando que a empresa conseguiu

reverter os prejuízos operacionais que vinha obtendo e atingir lucro em 2015, o que

também explica a alta das ações da mesma no ano de 2015, demonstrada através

do Gráfico 8.

Entretanto, mesmo com a melhora do resultado para a variável X3, os

resultados críticos nas demais variáveis fizeram com que a empresa obtivesse rating

D nos dois períodos avaliados, demonstrando que apesar dos resultados positivos

recentes, ao analisarmos os indicadores financeiros da Tecnosolo, ela possui grande

potencial de descontinuidade em um futuro próximo.

MRV e Even sofreram piora em seus ratings no período avaliado, a MRV

sofreu variância curta no seu Z-score fazendo com que seu rating variasse de CCC+

para CCC, não alterando, portanto, sua faixa de risco que indica já indicava a

proximidade de inadimplência.

A Even caiu de um rating A- para BBB, saindo do patamar de qualidade

média-alta, que indicava alta capacidade de cumprir suas obrigações, para a faixa

de qualidade média aonde a empresa possui capacidade adequada para cumprir

com suas obrigações. A queda derivou da perda de rentabilidade da empresa,

demonstrada na variável X3, que ocorreu em função de queda de 61,3% em seu

lucro no período de 2012 a 2015, fazendo com que os valores de suas ações

também caísse de maneira relevante, conforme ilustrado no Gráfico 4.

Para as três empresas que obtiveram melhora no rating, foi realizada

análise adicional para verificar se a melhora do diagnóstico de risco das mesmas,

contrariando o mercado que estavam inseridas, possuíam dados que sustentassem

50

o comportamento, ou se derivavam de possíveis distorções do modelo Z de Altman

(2000).

Foi verificado que a Gafisa teve aumento de 21,5% em seu patrimônio

líquido, sem que houvesse aumento proporcional de seu exigível, fazendo com que

a mesma amplie de maneira relevante sua capacidade de cumprimento com suas

obrigações, adicionalmente, conforme análise de profissionais da Fitch Ratings,

relatada por Laranjeira (2015), que atribuíram rating de qualidade média a empresa,

a Gafisa obteve êxito na redução de sua dívida corporativa, demonstrado na variável

X1 pela redução do seu passivo circulante, e podemos dizer que isso não afetou as

operações da empresa que em 2012 apresentava prejuízo, e fechou 2015 com

Lucro Antes de Juros e Imposto de Renda (LAJIR) de R$ 303.975.000.

Já a Direcional teve a expressiva redução de 76% no valor total de sua

dívida, ponderada pela queda no seu LAJIR de 51%, entretanto, a forte redução do

endividamento da empresa, demonstra solidez e propensão a continuidade da

mesma em um futuro de médio-longo prazo, mesmo com a queda em seus

resultados, que derivam muito da atuação da mesma em obra do programa do

governo federal “Minha Casa, Minha Vida”.

Por último, a Cyrela, foi capaz de eliminar os prejuízos acumulados que

trazia em 2012, e conseguiu manter desempenho financeiro, mesmo com a crise,

dentro do esperado para analistas da Standard & Poor’s, em análise realizada em

2014, que também ponderaram as dificuldades que a empresa enfrentará devido ao

contexto do mercado que atua, atribuindo rating em escala global de BB para

empresa e AA- para escala brasileira, conforme relatado por Maia (2014), estando

dentro da faixa obtida através do modelo Z que, em 2015, resultou rating BBB- para

a Cyrela.

Desta forma, podemos concluir que o modelo é capaz de transmitir

através da métrica de ratings, noções reais dos riscos que envolvem as empresas

de capital aberto brasileiro, entretanto, conforme abordado na próxima seção, o

modelo, por si só, não possui a mesma precisão para análise de opções de

investimento.

51

Entretanto, o diagnóstico de risco fornecido, isoladamente, não demonstra

a relação dos retornos que devem ser buscados por investidores para cada um dos

ativos em questão, respeitando a lógica do risco-retorno. Desta maneira, aplicamos

o modelo CAPM, segundo as premissas definidas por Assaf Neto, Lima e Araújo

(2008) para verificar a congruência entre os ratings estabelecidos através do modelo

Z” e o retorno de mercado exigido, demonstrando se a análise discriminante pode

ser aplicada como principal ferramenta para tomada de decisão quanto ao

investimento em um ativo ou em outro. Os resultados foram descritos na sessão 4.3.

4.3 O modelo Z como instrumento para análise de investimentos no mercado brasileiro

Os resultados não demonstraram relação inversamente proporcional entre

os ratings de crédito atribuídos para as empresas em amostra, e os respectivos

retornos de mercados exigidos no início da crise e no decorrer dela, utilizando como

base os anos de 2012 e 2015. Ou seja, seja no período embrionário da crise que

atinge as construtoras brasileiras, ou no decorrer da mesma, as empresas que

apresentaram os melhores ratings de crédito não eram as mesmas que exigiam um

menor retorno sobre investimento.

O resultado demonstra a limitação da análise discriminante, através do

modelo Z, que se restringe a utilização de indicadores contábeis, quando o mercado

utiliza além dos indicadores financeiros contábeis, diversos fatores qualitativos e

outros indicadores financeiros que são externos à empresa analisada, como PIB e

retorno médio de mercado.

Ao se estabelecer um retorno exigido de mercado através do modelo

CAPM, utilizando as premissas definidas por Assaf Neto, Lima e Araújo (2008),

estão implícitas as demais análises do mercado, representadas pelo coeficiente Beta

que demonstra o desempenho daquela ação ponderado pelo mercado.

Adicionalmente, foi possível verificar através dos casos da Tecnosolo e da

Even que o fator primordial para valorização e desvalorização das ações das

52

empresas de construção civil da Bovespa consiste no lucro gerado pelas mesmas. A

Tecnosolo, que está sob acordo judicial para cumprimento de dívida com seus

credores, conseguiu obter forte alta nos resultados durante o período analisado

levando à alta de suas ações. Enquanto a Even, empresa com estrutura de capital

sólida, por ter obtido queda nos seus resultados obteve forte queda do valor de suas

ações.

Esta especulação do valor das empresas segundo seu lucro, afeta

diretamente o coeficiente Beta das mesmas, e gera divergências em relação ao

modelo Z-score, que considera além do lucro ou prejuízo, diversos fatores da

estrutura financeira da empresa visando demonstrar sua capacidade de

continuidade, e não apenas o retorno que vem sendo dado aos acionistas.

Desta maneira, o estudo realizado demonstrou que apesar de ser preciso

como medida de risco, a análise discriminante possui muitas limitações para ser

utilizada, isoladamente, como ferramenta de decisão para alocação de recursos.

As três principais limitações notadas foram, como supracitado, a utilização

apenas de indicadores contábeis sendo desprezados fatores externos das

empresas, a ‘homogeneização’ do resultado, tendo em vista que muitas empresas,

como a Gafisa e Azevedo & Travassos, em 2012, obtiveram Z-score relativamente

distantes, entretanto se classificavam na mesma faixa de rating o que pode serve

como complicador na análise de retorno exigido para tomada de risco destas

empresas. E, por último, o fato de que modelo Z visa demonstrar o risco de

continuidade daquela empresa, ou em outras palavras, sua capacidade de

pagamento, enquanto modelos de remuneração estão focados também no histórico

de geração de lucro das empresas analisadas.

53

5 CONCLUSÕES E RECOMENDAÇÕES

Para este trabalho, foi utilizada a análise discriminante de Altman (2000)

para atribuição de ratings de crédito a empresas do setor de construção civil

brasileiro, que atuam como construtoras. Buscou-se avaliar a efetividade do modelo

Z para atribuição de rating de crédito e a relação dos ratings atribuídos com os

retornos de mercado exigidos para os ativos selecionados.

Corroborando com os resultado obtidos por Ferreira et al. (2013), o

modelo desenvolvido por Altman (2000) se mostrou uma ferramenta válida para

análise de risco do mercado, atingindo rating médio de CCC, que indica o alto risco

do mercado que vem atravessando período de crise.

Também foi constatado que 63,5% das empresas analisadas obtiveram

piora nos seus ratings ou manutenção de ratings de alto risco, no decorrer da crise

demonstrando a capacidade de fornecer diagnóstico de risco do modelo Z” de

Altman (2000), adicionalmente constatamos que as empresas que obtiveram

melhoras em seu rating, de fato, haviam apresentado estrutura de capital mais

sólida, que reduziam seu risco de inadimplência. Desta maneira, não identificamos

inconsistência do modelo quanto à classificação de risco.

Para avaliação da relação dos ratings atribuídos através do modelo Z com

os retornos de mercado exigidos, utilizamos o modelo Capital Asset Pricing Model

(CAPM) conforme as premissas definidas por Assaf Neto, Lima e Araújo (2008),

entretanto não foi possível constatar relação direta entre o rating atribuído e retorno

de mercado exigido para os ativos selecionados.

O retorno exigido de mercado deriva diretamente do desempenho recente

do ativo, representado pelo coeficiente Beta no modelo CAPM, e podemos verificar

que a variável que mais influencia o valor das ações analisadas é o seu lucro

operacional, dando menos importância a outros fatores da composição financeira da

empresa, que influenciam os ratings das mesmas.

54

Adicionalmente, o modelo Z apenas se utiliza de indicadores contábeis,

desconsiderando outros fatores qualitativos e indicadores financeiros externos

utilizados por analistas de mercado que negociam e determinam indiretamente os

preços de ativos mobiliários, fazendo com que o mesmo não seja capaz de,

isoladamente, refletir os retornos exigidos do mercado, ou ser aplicado como o único

fator para tomada de decisão quanto a um investimento.

Também foi possível verificar através do estudo, que apesar da crítica

situação do setor de construção civil brasileiro, existem empresas que tem

conseguido reduzir seus níveis de riscos e podem ser utilizadas como modelo pelas

concorrentes do setor para obtenção de uma maior solidez no decorrer da crise.

Como principal limitação do estudo consiste o fato de que o mesmo é

caracterizado como um estudo de caso múltiplo, sendo desta maneira a validade do

modelo de Altman (2000) para análise de risco de empresas, e a ausência de

relação relevante direta dos ratings atribuídos com os retornos de mercado exigidos

aplicável somente para as empresas de construção civil que atuam como

construtoras, no período avaliado.

Uma segunda limitação foi o estudo de precisão de um modelo

desenvolvido e aplicado para ativos de diferentes mercados, sendo aplicado à uma

amostra de empresas de apenas um setor, sem que houvesse definido um nível de

significância do Z-scores calculados definidos na literatura posterior aplicável às

empresas de construção civil do mercado brasileiro.

Há de se ressaltar que esta pesquisa analisou um importante segmento

econômico para o país, contribuindo através de interpretações fáticas para análise

de empresas do ramo de construção civil que atuam como construtoras.

Por fim, conclui-se que o modelo desenvolvido por Altman (2000) é sim

uma ferramenta válida para análise de risco de empresas, entretanto, de maneira

isolada, não pode ser utilizado para tomada de decisão favorável ou contrária a um

determinado investimento.

55

REFERÊNCIAS

ALCÂNTARA, J. C. G. O modelo de avaliação de ativos (capital asset pricing model) –aplicações. RAE – Revista de Administração de Empresas, Rio de Janeiro, v. 20, n. 3, p. 31-41, jul./set. 1980. Disponível em: <http://www.scielo.br/pdf/rae/v20n3/v20n3a03.pdf>. Acesso em: 18 out. 2016.

ALTMAN, E. I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The Journal of Finance, v. 23, n. 4, p. 589-609, 1968.

_____. Predicting financial distress of companies: revisiting the z-score and zeta models. Jul. 2000. Disponível em: <https://www.iiiglobal.org/sites/default/files/3predictingfinancialdistress.pdf>. Acesso em: 18 out. 2016.

_____; BAIDYA, T. K. N.; DIAS, L. M. R. Previsão de problemas financeiros em empresas. RAE – Revista de Administração de Empresas, Rio de Janeiro, v. 19, n. 1, p. 17- 28, jan./mar. 1979. Disponível em: <http://www.scielo.br/pdf/rae/v19n1/v19n1a02.pdf>. Acesso em: 18 out. 2016.

AMORIM, L. Construção civil vive crise sem precedentes no Brasil. In: Exame.com, São Paulo, 16 de julho de 2015. Disponível em: <http://exame.abril.com.br/revista-exame/a-crise-e-a-crise-da-construcao/>. Acesso em: 18 out. 2016.

ASSAF NETO, A.; LIMA, F. G. Curso de Administração Financeira. 1. ed. São Paulo: Atlas, 2009.

_____; _____; ARAÚJO, A. M. P. Uma proposta metodológica para o cálculo do custo de capital no Brasil. Revista de Administração, São Paulo, v. 43, n. 1, p. 72-83, jan./fev./mar. 2008.

_____; SILVA, C. A. T. Administração do capital de giro. 4. ed. São Paulo: Atlas, 2012.

BANCO CENTRAL DO BRASIL – BCB. Histórico das taxas de juros: Histórico das taxas de juros fixadas pelo Copom e evolução da taxa Selic. Brasília, 2016. Disponível em: <https://www.bcb.gov.br/Pec/Copom/Port/taxaSelic.asp>. Acesso em: 18 out. 2016.

BOLSA DE VALORES DE SÃO PAULO – BM&FBOVESPA. Disponível em: <http://www.bmfbovespa.com.br/pt_br/index.htm>. Acesso em: 18 out. 2016.

BRASIL. Comissão de Valores Mobiliários. Disponível em: <http://www.cvm.gov.br/>. Acesso em: 18 out. 2016.

CHAIA, A. J. Modelos de gestão do risco de crédito e sua aplicabilidade ao mercado brasileiro. 2003. Dissertação (Mestrado em Administração) – Universidade de São Paulo, Faculdade de Economia, Administração e Contabilidade, Departamento de Administração, São Paulo.

56

DUARTE, H. C. F.; LAMOUNIER, W. M. Análise financeira de empresas da construção civil por comparação com índices-padrão. Enfoque: Reflexão Contábil, v. 26, n. 2, p. 9-28, maio/ago. 2007. Disponível em: <http://www.dcc.uem.br/enfoque/new/enfoque/data/1216127297.pdf>. Acesso em: 18 out. 2016.

ELIZABETSKY, R. Um modelo matemático para decisões de crédito no banco comercial. 1976. Dissertação (Mestrado em Engenharia da Produção) – Escola Politécnica da Universidade de São Paulo, São Paulo.

FERREIRA, R. S.; CARMO, C. R. S.; MARTINS, V. F.; SOARES, A. B. Análise discriminante e ratings: uma aplicação do modelo Z" score de Altman às empresas do setor aeroviário brasileiro, de 2005 a 2010. Revista Alcance – Eletrônica, v. 20, n. 3, 325-44, jul./set. 2013.

GIL, A. C. Como elaborar projetos de pesquisa. São Paulo: Atlas, 2002.

GONÇALVES JUNIOR, W.; ROCHMAN, R. R.; EID JUNIOR, W.; CHALELA, L. R. Estimando o prêmio de mercado brasileiro. RAC – Revista de Administração Contemporânea, Curitiba, v. 15, n. 5, p. 931-955, set./out. 2011. Disponível em: <http://www.scielo.br/pdf/rac/v15n5/a09v15n5.pdf>. Acesso em: 18 out. 2016.

EXAME.COM. Brasil fecha 2014 com déficit primário de R$32,536 bilhões. 30 de janeiro de 2015. Disponível em: <http://exame.abril.com.br/economia/brasil-fecha-2014-com-deficit-primario-de-r-32-536-bilhoes/>. Acesso em: 29 set. 2016.

_____. Gráfico interativo da ação GFSA3. 2016a. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/GFSA3/grafico>. Acesso em: 29 jun. 2016.

_____. Gráfico interativo da ação CYRE3. 2016b. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/CYRE3/grafico>. Acesso em: 29 jun. 2016.

_____. Gráfico interativo da ação MRVE3. 2016c. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/MRVE3/grafico>. Acesso em: 29 jun. 2016.

_____. Gráfico interativo da ação EVEN3. 2016d. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/EVEN3/grafico>. Acesso em: 29 jun. 2016.

_____. Gráfico interativo da ação DIRR3. 2016e. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/DIRR3/grafico>. Acesso em: 29 jun. 2016.

_____. Gráfico interativo da ação AZEV4. 2016f. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/AZEV4/grafico>. Acesso em: 29 jun. 2016.

57

_____. Gráfico interativo da ação MEND5. 2016g. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/MEND5/grafico>. Acesso em: 29 jun. 2016.

_____. Gráfico interativo da ação MEND5. TCNO3. 2016h. Disponível em: <http://exame.abril.com.br/mercados/cotacoes-bovespa/acoes/TCNO3/grafico>. Acesso em: 29 jun. 2016.

KANITZ, S. C. Como prever falências. São Paulo: McGraw Hill, 1978.

LARANJEIRA, F. Fitch afirma ratings ‘BBB(bra)’ da Gafisa e da Tenda. In: O Diário.com, 14 de abril de 2015. Disponível em: <http://maringa.odiario.com/economia/2015/04/fitch-afirma-ratings-bbbbra-da-gafisa-e-da-tenda/1383639/>. Acesso em: 27 out. 2016.

LINTNER, J. The valuation of risk assets and the selection of risky investments in stock portfolio and capital budgets. The Review of Economics and Statistics, v. 47, n. 1, p. 13-37, fev. 1965.

MAIA, C. S&P corta perspectiva de rating nacional da Cyrela para “estável”. In: Valor Econômico, 02 de dezembro de 2014. Disponível em: <http://www.valor.com.br/empresas/3801930/sp-corta-perspectiva-de-rating-nacional-da-cyrela-para-estavel>. Acesso em: 27 out. 2016.

MANTOVANINI, J. C. L. Análise discriminante como instrumento para a concessão de crédito. 1990. Dissertação (Mestrado em Administração) – Fundação Getúlio Vargas, Escola de Administração de Empresas de São Paulo, São Paulo. Disponível em: <http://bibliotecadigital.fgv.br/dspace/bitstream/handle/10438/4804/1199100822.pdf?sequence=1&isAllowed=y>. Acesso em: 18 out. 2016.

MOSSIN, J. Equilibrium in a capital asset market. Econometrica, v. 34, n. 4, p. 768-783, out. 1966. Disponível em: <http://efinance.org.cn/cn/fm/Equilibrium%20in%20a%20Capital%20Asset%20Market.pdf>. Acesso em: 18 out. 2016.

PATU, G.; CUCOLO, E. Recessão econômica atual deve ser a pior da história do Brasil. In: Folha de São Paulo, Brasília, 12 de março de 2016. Disponível em: <http://www1.folha.uol.com.br/mercado/2016/03/1749299-recessao-economica-atual-deve-ser-a-pior-da-historia-do-brasil.shtml>. Acesso em: 18 out. 2016.

SANVICENTE, A. Z.; MINARDI, A. M. A. F. Identificação de indicadores contábeis significativos para a previsão de concordata de empresas. In: Instituto Brasileiro de Mercado de Capitais, Working Paper, 1998. Disponível em: <http://www.cyta.com.ar/elearn/tc/marterial/altaman5.pdf>. Acesso em: 18 out. 2016.

SHARPE, W. F. Capital asset prices: a theory of market equilibrium under conditions of risk. The Journal of Finance, v. 19, n. 3, p. 425-42, set. 1964. Disponível em: <http://efinance.org.cn/cn/fm/Capital%20Asset%20Prices%20A%20Theory%20of%20Market%20Equilibrium%20under%20Conditions%20of%20Risk.pdf>. Acesso em: 18 out. 2016.

58

SILVA, M. A. V. R. Alguns problemas para a estimação do custo de capital próprio no mercado acionário brasileiro. S. d. Disponível em: <http://epge.fgv.br/we/Graduacao/AvaliacaoDeEmpresas/2007?action=AttachFile&do=get&target=custodecapitalnobrasil.pdf>. Acesso em: 18 out. 2016.

TEIXEIRA, L. P.; CARVALHO, F. M. A. A construção civil como instrumento do desenvolvimento da economia brasileira. Revista Paranaense de Desenvolvimento, Curitiba, n. 109, p. 9-26, jul./dez. 2005. Disponível em: <http://www.ipardes.pr.gov.br/ojs/index.php/revistaparanaense/article/view/138/128>. Acesso em: 18 out. 2016.

Documents

MATHEUS MENEZES SANTANA - UnB